概率上下文无关语法分析器

关于超分重建的论文，主要针对全变差超分重建即TV算法，SCI的论文，里面分别有对该算法的详细说明和介绍，是比较新颖的，最近发表的论文，对超分重建工作者和科研者有帮助，是非常重要的理论基础。

两个聚类中心之间的最小距离，如小于此数，两个聚类进行-two cluster centers between the minimum distance, as tens of thousands of small, two Clustering

51单片机超声波测距，亲测能够使用，解释详细。主要技术参数：1.使用电压：DC5V 2.静态电流：小于2mA3：电平输出：高5V 4：电平输出：低0V5：感应角度：不大于15度 6：探测距离：2cm-450cm 7:高精度：可达3mm接线方式，VCC、trig（控制端）、 echo（接收端）、 GND地线使用方法：一个控制口发一个10US以上的高电平,就可以在接收口等待高电平输出.一有输出就可以开定时器计时,当此口变为低电平时就可以读定时器的值,此时就为此次测距的时间,方可算出距离.如此不断的周期测,就可以达到你移动测量的值了.模块工作原理：(1)采用IO触发测距，给至少10us的高电平信号;(2)模块自动发送8个40khz的方波，自动检测是否有信号返回；(3)有信号返回，通过IO输出一高电平，高电平持续的时间就是超声波从发射到返回的时间．测试距离=(高电平时间*声速(340M/S))/2;

厌倦了使用大型库，比如OpenSSL，

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一

用C语言实现大整数相乘问题-C Language large integer multiplication problems

国外以为牛人编的，我也不怎么懂。。可以用来做课程设计，折实作者后来司升级后的软件-abroad who thought that cattle series, I do not understand how. . Can be used for curriculum design, the authors pack it later Secretary upgraded software

以100、1000、2000、5000、10000个碎甲产生的序列随机数作为测试样本，通过时间复杂度以及比较次数详细比较了快速排 序、堆排序、冒泡排序、插入排序四种排序方法的性能，算法通过VC6.0实现，可以编译通过。同时更改源代码中的随机数产生函数值，可以更改测试性能比较的随机序列个数

Base flight飞控基于国外发展多年的Multiwii开源飞控发展升级，基于目前主流的STM32架构，代码清晰，注释规范，适合飞控人员学习研究。